AI TrackerActus multimodal,
pour les devs.
Les dernières actus « multimodal » de tous les fournisseurs d'IA : lancements, changements de prix et retraits, résumés avec ce qu'ils changent pour vous.
Artificial Analysis : Qwen-Audio-3.1-TTS-Plus domine la synthèse vocale en anglais américain, HeyGen Voice domine en anglais britannique et au classement général
Selon Artificial Analysis, dans son Controlled Voice Arena, qui évalue chaque modèle de synthèse vocale à partir des mêmes huit voix clonées (quatre américaines et quatre britanniques), Qwen-Audio-3.1-TTS-Plus arrive en tête du classement en anglais américain, tandis que HeyGen Voice obtient de meilleurs résultats en anglais britannique et domine le classement général.OpenAI présente BioBasicsBench, un benchmark de tâches courantes en laboratoire expérimental
OpenAI présente BioBasicsBench, un benchmark de 100 tâches courantes en laboratoire expérimental, développé avec Ligo, une entreprise de biotechnologie spécialisée dans la conception d’enzymes. Les tâches s’appuient sur des données expérimentales brutes (images de gels, boîtes de culture, images de microscopie, fichiers de séquençage, exports d’instruments et vidéos de manipulations à la paillasse) et couvrent les méthodes liées aux protéines, l’imagerie et la cytométrie, la quantification et les tests, les méthodes liées aux acides nucléiques et le clonage moléculaire. Des scientifiques les ont élaborées à partir de leurs propres expériences, et les réponses sont évaluées à l’aide de grilles de notation rédigées par des experts, qui accordent des points partiels.Cursor ajoute les appels vocaux en temps réel avec les agents
Cursor indique qu’il est désormais possible de parler à vos agents lors d’un appel vocal en temps réel : décrivez oralement une modification, demandez sur quoi travaille un agent et écoutez les mises à jour au fil de l’avancement. Le chat vocal fonctionne dans la fenêtre Agents, dans l’IDE, sur le web et dans Cursor pour iOS.Artificial Analysis lance VIALS-AA, un classement du raisonnement visuel en sciences de la vie où Gemini 4 Carbon arrive en tête avec 64 %
Artificial Analysis a lancé VIALS-AA, un classement fondé sur le benchmark VIALS de Handshake AI. VIALS comprend 161 tâches réparties dans huit domaines. Pour chacune, un modèle doit interpréter un document scientifique (blots de gels, graphiques de cytométrie en flux, cartes plasmidiques, phylogénies) et en tirer une conclusion précise.
OpenAI brings GPT-Image-2.6 Flare and Sunburst to the API and Codex
OpenAI released Images 2.6 on November 4 in ChatGPT, Codex and the API, available globally in ChatGPT and Codex on all subscription tiers. In the API it comes as two models, GPT-Image-2.6 Flare and Sunburst. OpenAI says both generate images 50% faster than before. Flare, at low quality, can produce an image in as little as six seconds and improves layout for posters and product imagery. At medium or high quality, Sunburst gives higher-quality images and keeps details more consistent from one edit to the next. ChatGPT Images 2.6 adds GIF output and reference images. OpenAI says people now create 4 billion images per week across ChatGPT, Codex and the API.World Labs lance Frameboy, une démo en temps réel de son modèle de monde Atlas
World Labs a lancé Frameboy, une démo permettant d’explorer en temps réel des mondes générés. Elle exécute une version hautement optimisée d’Atlas, le modèle de monde autorégressif doté d’un contrôle de la caméra que l’entreprise a présenté il y a deux mois, et diffuse le flux depuis des GPU dans le cloud à une cadence pouvant atteindre 15 images par seconde. World Labs décrit le contrôle de la caméra d’Atlas comme étant précis au pixel près ; c’est ce qu’affirme l’entreprise.Artificial Analysis classe FLUX 3 Image Klein au 2e rang des modèles open weights de génération d’images à partir de texte
Selon Artificial Analysis, FLUX 3 Image Klein de Black Forest Labs, un modèle d’image open weights de 5,6 milliards de paramètres lancé le 15 octobre, occupe la 2e place du classement AA-Image-T2I v2.1, au coude-à-coude avec Qwen-Image-2.1, en 1re place. Dans le classement AA-Image-Editing v2.1, il se classe 3e parmi les modèles open weights. Ces classements sont ceux d’Artificial Analysis.Gemini Omni 1.2 Flash est désormais disponible sur AI Gateway de Vercel
Vercel indique que le modèle vidéo Gemini Omni 1.2 Flash de Google DeepMind est disponible sur son AI Gateway, sous l’identifiant de modèle google/gemini-omni-1.2-flash. Vercel indique qu’il permet de créer des séquences de 3 à 15 secondes avec audio natif, de les modifier à l’aide de jusqu’à six images de référence, de les prolonger jusqu’à 30 secondes au total et de choisir une résolution allant de 360p à 4K, en paysage ou en portrait.Arena classe Gemini Omni 1.2 Flash n° 1 en texte-vidéo et en image-vidéo
Selon Arena, Gemini Omni 1.2 Flash de Google fait ses débuts à la première place de ses classements Text-to-Video et Image-to-Video, et à la troisième place de Video Edit.Gemini Omni 1.2 Flash est désormais disponible sur OpenRouter
OpenRouter indique que le modèle vidéo Gemini Omni 1.2 Flash de Google est disponible sur sa plateforme. Il propose des clips de 15 secondes, des résolutions de 360p à 4K, l’audio natif et un tarif par seconde environ 30 % inférieur à celui d’Omni 1.1. OpenRouter précise que le prix est identique à celui d’un accès direct à Google et qu’une seule API couvre désormais la vidéo et le chat.Ant Ling présente Ling-3.2-flash, un modèle multimodal de 560B qui, selon l’entreprise, surpasse Opus 5 sur trois benchmarks
Ant Ling a annoncé Ling-3.2-flash, qu’elle décrit comme un modèle multimodal natif avec 560B de paramètres au total, dont 25B actifs. Selon l’entreprise, le modèle est plus performant en compréhension visuelle complexe, pour les agents multimodaux à long terme, la compréhension et l’interaction en 3D, ainsi qu’en intelligence médicale.Gemini Omni 1.2 Flash n’a pas été annoncé, mais plusieurs comptes et le catalogue d’OpenRouter le mentionnent
Google n’a pas annoncé Gemini Omni 1.2 Flash, un modèle de génération vidéo qui ferait suite à Omni 1.1 Flash. Le catalogue de modèles d’OpenRouter a également ajouté une entrée google/gemini-omni-1.2-flash le 5 novembre, indiquant un contexte de 131 072 tokens. Plusieurs comptes affirment avoir vu le modèle :Google lance Gemini Omni 1.2 Flash avec des vidéos de 15 secondes et des tarifs 30 % moins élevés
Google indique que Gemini Omni 1.2 Flash est généralement disponible sur Gemini API et Google Cloud, et que c’est la première fois que Gemini Omni est généralement disponible. Le modèle génère et modifie des vidéos nativement jusqu’à 15 secondes (contre 10 secondes avec Omni 1.1), avec une durée réglable par paliers d’une seconde, de 3 à 15 secondes.
OpenAI's GPT-Live outbound telephony API is generally available
Justin Uberti, an OpenAI engineer, said on X on November 4 that the GPT-Live outbound telephony API has been promoted to general availability. Developers can now have a GPT-Live voice agent place phone calls through any SIP trunk provider, such as Telnyx or Twilio.Le catalogue d’OpenRouter indique une date d’expiration au 1er décembre pour OpenAI: GPT-5 Image Mini
Le catalogue de modèles d’OpenRouter indique désormais une date d’expiration au 1er décembre 2026 pour « OpenAI: GPT-5 Image Mini » (openai/gpt-5-image-mini), un modèle répertorié depuis le 16 octobre 2025 et doté d’un contexte de 400 000 tokens. L’entrée ne comportait auparavant aucune date d’expiration. Il s’agit uniquement d’un champ du catalogue : l’entrée n’indique ni la raison de cette date ni ce qu’il adviendra du modèle après celle-ci.xAI retire grok-imagine-image-quality et grok-imagine-image-pro et les remplace par un modèle moins cher
Selon les notes de version de l’API xAI, les requêtes adressées à grok-imagine-image-quality et grok-imagine-image-pro sont désormais traitées par grok-imagine-image-2.0-low, soit grok-imagine-image-2.0 avec quality réglé sur low, à un prix inférieur par image. xAI indique qu’aucune modification des requêtes n’est nécessaire.OpenRouter ajoute Crouton Alpha, un modèle furtif gratuit avec un contexte de 1 million de tokens
OpenRouter a annoncé un nouveau modèle furtif, Crouton Alpha, qu’il décrit comme « un modèle de raisonnement très efficace, conçu pour prendre en charge les tâches que vos agents répètent toute la journée ». Son créateur n’est pas nommé.ai-cli ajoute la génération d’images, de vidéos et d’audio à n’importe quel agent de codage
Chris Tate, de Vercel, a présenté ai-cli (npm i -g ai-cli), un outil en ligne de commande qui permet à un agent de générer des images, des vidéos et de l’audio avec n’importe quel modèle. Son post indique que l’outil fonctionne avec Claude Code, Codex, OpenCode et le harnais fx de Vercel, ainsi qu’avec des modèles comme Opus, Flux, GPT, Gemini, DeepSeek, GLM et Grok.OpenAI affirme que GPT-6 Astra peut concevoir le boîtier et la carte électronique d’un appareil et recherche des partenaires en ingénierie
OpenAI explique comment ses modèles contribuent à l’ingénierie mécanique et électrique : modèles CAO, plans de fabrication, simulations et conception de circuits imprimés. Il s’agit des propres déclarations d’OpenAI.Perplexity lance pplx-embed-v2-context, des modèles d’embeddings vision-langage à poids ouverts de 9B et 0.6B
Perplexity a lancé pplx-embed-v2-context, deux modèles d’embeddings vision-langage à poids ouverts (9B et 0.6B) sur Hugging Face, accompagnés d’un article rédigé avec turbopuffer. Les deux renvoient un vecteur int8 par document, ou un vecteur par segment qui a accès à l’ensemble du document, et fonctionnent aussi en mode non contextuel, avec un seul embedding par document et sans segmentation.